CN114972394B - 一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 - Google Patents
一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 Download PDFInfo
- Publication number
- CN114972394B CN114972394B CN202210590259.0A CN202210590259A CN114972394B CN 114972394 B CN114972394 B CN 114972394B CN 202210590259 A CN202210590259 A CN 202210590259A CN 114972394 B CN114972394 B CN 114972394B
- Authority
- CN
- China
- Prior art keywords
- profile
- point
- area
- damage
- rail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000006378 damage Effects 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 19
- 239000010959 steel Substances 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 12
- 238000005299 abrasion Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 241000251468 Actinopterygii Species 0.000 claims description 5
- 208000027418 Wounds and injury Diseases 0.000 claims description 5
- 208000014674 injury Diseases 0.000 claims description 5
- 230000007547 defect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法,包括以下步骤:获取廓形数据,提取数据中横坐标及纵坐标的极大值与极小值,取点,将点作为对齐点与标准廓形对齐点进行对齐,并对其余廓形点进行对齐得到对齐后的廓形点坐标,根据对齐后的廓形数据获取横坐标的廓形点,收集钢轨表面伤损图像,对钢轨的掉块、光带、接缝、鱼鳞伤进行标注,使用基于YOLO的训练模型对标注数据进行训练得到表面伤损检测模型。
Description
技术领域
本发明涉及探伤技术领域,特别涉及一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法。
背景技术
随着社会的发展,高铁在人们生活中扮演着越来越重要的角色。一方面,高铁的发展为人们的出行提供了便利,提高了交通运输的速度;另一方面,由很多因素(如气候、轮轨力、钢轨内部结构等)引起的高铁钢轨缺陷为铁路运输埋下了安全隐患。因此,及时发现高铁钢轨缺陷是至关重要的。
光声成像是近年来发展起来的一种钢轨无损探伤方法,结合了纯光学成像的高对比度特性和纯超声成像的高穿透特性。它是以短脉冲激光作为激励源、光声信号作为信息载体,根据不同钢轨样本对特定波长激光具有差别较大的光学吸收系数进而辐射不同强度超声波的原理进行成像,通过对采集到的一组光声信号进行图像重建处理而得到组织内部结构信息的一种成像方法。但是由于激光的趋肤深度小,传统的光声成像只能检测钢轨表面及亚表面的缺陷,无法检测出钢轨内部的缺陷。
在铁路线路维修检测中,探伤工主要采用超声波钢轨探伤仪和手工检查相结合的方式。但单一的方法不能很好的展示伤损情况,为提高探伤的效率与准确率,发明人提供了一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法。
发明内容
为了克服现有技术中存在的缺陷,本发明提供一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法,本发明提供如下技术方案:
一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法,包括以下步骤:
1)获取廓形数据,提取数据中横坐标及纵坐标的极大值与极小值,分别记为xh1,xh2,xz1,xz2,得到矩形区域(x1,y1,w1,h1),其中x1=xh2为矩形区域左顶点的横坐标,y1=xz2为矩形区域左顶点的纵坐标,w1=xh1-xh2为矩形区域的宽,h1=xz1-xz2为矩形区域的高。计算每个廓形点(x2i,y2i)与点(x1+w1,y1)之间的距离
其中i为廓形点的序号。
取点(x2k,y2k)使得d2k=min(d2i),将点(x2k,y2k)作为对齐点与标准廓形对齐点(x0,y0)进行对齐,并对其余廓形点进行对齐得到对齐后的廓形点坐标 (x3i,y3i)=(x2i+x0-x2k,y2i+y0-y2k);
2)根据对齐后的廓形数据获取纵坐标y3i<ts1且横坐标ts2<x3i<ts3的廓形点,其中ts1为设定的第一判断阈值,ts2为设定的第二判断阈值,ts3为设定的第三判断阈值,得到满足条件的廓形点,根据获取的廓形点获取纵坐标y3i>ts4的点(x3i,y3i)作为垂磨判断廓形点,ts4为设定的第四判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到垂直位移d0i,计算得到廓形的垂磨伤损得分其中N1为判断廓形点的个数,c1为历史数据训练得到的第一修正常数;
3)根据对齐后的廓形数据获取横坐标x3i>ts5且横坐标ts6<y3i<ts7的廓形点,其中ts5为设定的第五判断阈值,ts6为设定的第六判断阈值,ts7为设定的第七判断阈值,得到满足条件的廓形点,根据获取的廓形点获取横坐标x3i<ts8的点(x3i,y3i)作为侧磨判断廓形点,ts8为设定的第八判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到水平位移d1i,计算得到廓形的侧磨伤损得分其中N2为侧磨判断廓形点的个数,c2为历史数据训练得到的第二修正常数;
4)收集钢轨表面伤损图像,对钢轨的掉块、光带、接缝、鱼鳞伤进行标注,使用基于YOLO的训练模型对标注数据进行训练得到表面伤损检测模型。使用表面伤损检测模型对检测钢轨的表面(x6,y6,w6,h6)进行检测,其中 (x6,y6)为区域的左顶点坐标,w6为区域的宽,h6为区域的高,当检测到掉块与鱼鳞伤时,提取伤损区域信息(x7,y7,w7,h7),(x7,y7)为区域的左顶点坐标,w7为区域的宽,h7为区域的高,计算得到表面伤损得分c3为历史数据训练得到的第三修正常数;当检测到光带与接缝时,提取伤损区域信息 (x8,y8,w8,h8),(x8,y8)为区域的左顶点坐标,w8为区域的宽,h8为区域的高,计算得到表面伤损得分/>c4为历史数据训练得到的第三修正常数;
根据垂磨伤损得分g1、侧磨伤损得分g2、表面伤损得分g3,计算得到钢轨伤损得分Gs=g1+g2+g3,当Gs伤损得分大于设定第九判断阈值ts9时,判定钢轨伤损。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法,其特征在于,包括以下步骤:
1)获取廓形数据,提取数据中横坐标及纵坐标的极大值与极小值,分别记为xh1,xh2,xz1,xz2,得到矩形区域(x1,y1,w1,h1),其中x1=xh2为矩形区域左顶点的横坐标,y1=xz2为矩形区域左顶点的纵坐标,w1=xh1-xh2为矩形区域的宽,h1=xz1-xz2为矩形区域的高。计算每个廓形点(x2i,y2i)与点(x1+w1,y1)之间的距离
其中i为廓形点的序号。
取点(x2k,y2k)使得d2k=min(d2i),将点(x2k,y2k)作为对齐点与标准廓形对齐点(x0,y0)进行对齐,并对其余廓形点进行对齐得到对齐后的廓形点坐标 (x3i,y3i)=(x2i+x0-X2k,y2i+y0-y2k);
2)根据对齐后的廓形数据获取纵坐标y3i<ts1且横坐标tsx<x3i<ts3的廓形点,其中ts1为设定的第一判断阈值,ts2为设定的第二判断阈值,ts3为设定的第三判断阈值,得到满足条件的廓形点,根据获取的廓形点获取纵坐标y3i>ts4的点(x3i,y3i)作为垂磨判断廓形点,ts4为设定的第四判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到垂直位移d0i,计算得到廓形的垂磨伤损得分其中N1为判断廓形点的个数,c1为历史数据训练得到的第一修正常数;
3)根据对齐后的廓形数据获取横坐标x3i>ts5且横坐标ts6<y3i<ts7的廓形点,其中ts5为设定的第五判断阈值,ts6为设定的第六判断阈值,ts7为设定的第七判断阈值,得到满足条件的廓形点,根据获取的廓形点获取横坐标x3i<ts8的点(x3i,y3i)作为侧磨判断廓形点,ts8为设定的第八判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到水平位移d1i,计算得到廓形的侧磨伤损得分其中N2为侧磨判断廓形点的个数,c2为历史数据训练得到的第二修正常数;
4)收集钢轨表面伤损图像,对钢轨的掉块、光带、接缝、鱼鳞伤进行标注,使用基于YOLO的训练模型对标注数据进行训练得到表面伤损检测模型。使用表面伤损检测模型对检测钢轨的表面(x6,y6,w6,h6)进行检测,其中 (x6,y6)为区域的左顶点坐标,w6为区域的宽,h6为区域的高,当检测到掉块与鱼鳞伤时,提取伤损区域信息(x7,y7,w7,h7),(x7,y7)为区域的左顶点坐标,w7为区域的宽,h7为区域的高,计算得到表面伤损得分c3为历史数据训练得到的第三修正常数;当检测到光带与接缝时,提取伤损区域信息 (x8,y8,w8,h8),(x8,y8)为区域的左顶点坐标,w8为区域的宽,h8为区域的高,计算得到表面伤损得分/>c4为历史数据训练得到的第三修正常数;
根据垂磨伤损得分g1、侧磨伤损得分g2、表面伤损得分g3,计算得到钢轨伤损得分Gs=g1+g2+g3,当Gs伤损得分大于设定第九判断阈值ts9时,判定钢轨伤损。
以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (1)
1.一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法,其特征在于,包括以下步骤:
1)获取廓形数据,提取数据中横坐标及纵坐标的极大值与极小值,分别记为xh1,xh2,xz1,xz2,得到矩形区域(x1,y1,w1,h1),其中x1=xh2为矩形区域左顶点的横坐标,y1=xz2为矩形区域左顶点的纵坐标,w1=xh1-xh2为矩形区域的宽,h1=xz1-xz2为矩形区域的高,计算每个廓形点(x2i,y2i)与点(x1+w1,y1)之间的距离
其中i为廓形点的序号,
取点(x2k,y2k)使得d2k=min(d2i),将点(x2k,y2k)作为对齐点与标准廓形对齐点(x0,y0)进行对齐,并对其余廓形点进行对齐得到对齐后的廓形点坐标(x3i,y3i)=(x2i+x0-x2k,y2i+y0-y2k);
2)根据对齐后的廓形数据获取纵坐标y3i<ts1且横坐标ts2<x3i<ts3的廓形点,其中ts1为设定的第一判断阈值,ts2为设定的第二判断阈值,ts3为设定的第三判断阈值,得到满足条件的廓形点,根据获取的廓形点获取纵坐标y3i>ts4的点(x3i,y3i)作为垂磨判断廓形点,ts4为设定的第四判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到垂直位移d0i,计算得到廓形的垂磨伤损得分其中N1为判断廓形点的个数,c1为历史数据训练得到的第一修正常数;
3)根据对齐后的廓形数据获取横坐标x3i>ts5且横坐标ts6<y3i<ts7的廓形点,其中ts5为设定的第五判断阈值,ts6为设定的第六判断阈值,ts7为设定的第七判断阈值,得到满足条件的廓形点,根据获取的廓形点获取横坐标x3i<ts8的点(x3i,y3i)作为侧磨判断廓形点,ts8为设定的第八判断阈值,从标准廓形点中选取与点(x3i,y3i)横坐标最接近的点(x0j,y0j),其中j为标准廓形点的序号,得到水平位移d1i,计算得到廓形的侧磨伤损得分其中N2为侧磨判断廓形点的个数,c2为历史数据训练得到的第二修正常数;
4)收集钢轨表面伤损图像,对钢轨的掉块、光带、接缝、鱼鳞伤进行标注,使用基于YOLO的训练模型对标注数据进行训练得到表面伤损检测模型,使用表面伤损检测模型对检测钢轨的表面(x6,y6,w6,h6)进行检测,其中(x6,y6)为区域的左顶点坐标,w6为区域的宽,h6为区域的高,当检测到掉块与鱼鳞伤时,提取伤损区域信息(x7,y7,w7,h7),(x7,y7)为区域的左顶点坐标,w7为区域的宽,h7为区域的高,计算得到表面伤损得分c3为历史数据训练得到的第三修正常数;当检测到光带与接缝时,提取伤损区域信息(x8,y8,w8,h8),(x8,y8)为区域的左顶点坐标,w8为区域的宽,h8为区域的高,计算得到表面伤损得分c4为历史数据训练得到的第三修正常数;
根据垂磨伤损得分g1、侧磨伤损得分g2、表面伤损得分g3,计算得到钢轨伤损得分Gs=g1+g2+g3,当Gs伤损得分大于设定第九判断阈值ts9时,判定钢轨伤损。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210590259.0A CN114972394B (zh) | 2022-05-26 | 2022-05-26 | 一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210590259.0A CN114972394B (zh) | 2022-05-26 | 2022-05-26 | 一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114972394A CN114972394A (zh) | 2022-08-30 |
CN114972394B true CN114972394B (zh) | 2024-04-16 |
Family
ID=82957327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210590259.0A Active CN114972394B (zh) | 2022-05-26 | 2022-05-26 | 一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972394B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115824130B (zh) * | 2022-12-02 | 2023-06-20 | 华东交通大学 | 一种高速列车车轮踏面廓形评估及镟修预测方法 |
CN117036234A (zh) * | 2023-05-09 | 2023-11-10 | 中国铁路广州局集团有限公司 | 混合钢轨超声波b显图谱伤损识别方法、系统和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012053060A (ja) * | 2011-10-31 | 2012-03-15 | Mitsubishi Heavy Ind Ltd | 超音波探傷データの処理方法、探傷データ処理プログラム及び超音波探傷 |
CN109064461A (zh) * | 2018-08-06 | 2018-12-21 | 长沙理工大学 | 一种基于深度学习网络的钢轨表面缺陷检测方法 |
CN110533640A (zh) * | 2019-08-15 | 2019-12-03 | 北京交通大学 | 基于改进YOLOv3网络模型的轨道线路病害辨识方法 |
CN111625920A (zh) * | 2019-09-03 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种基于隐马尔科夫链模型的钢轨廓形智能分析方法 |
CN113362285A (zh) * | 2021-05-21 | 2021-09-07 | 同济大学 | 一种钢轨表面伤损细粒度图像分类与检测方法 |
CN113418987A (zh) * | 2021-06-17 | 2021-09-21 | 北京铁路电气化学校 | 一种运行状态下的钢轨在轨检测方法及其检测设备 |
-
2022
- 2022-05-26 CN CN202210590259.0A patent/CN114972394B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012053060A (ja) * | 2011-10-31 | 2012-03-15 | Mitsubishi Heavy Ind Ltd | 超音波探傷データの処理方法、探傷データ処理プログラム及び超音波探傷 |
CN109064461A (zh) * | 2018-08-06 | 2018-12-21 | 长沙理工大学 | 一种基于深度学习网络的钢轨表面缺陷检测方法 |
CN110533640A (zh) * | 2019-08-15 | 2019-12-03 | 北京交通大学 | 基于改进YOLOv3网络模型的轨道线路病害辨识方法 |
CN111625920A (zh) * | 2019-09-03 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种基于隐马尔科夫链模型的钢轨廓形智能分析方法 |
CN113362285A (zh) * | 2021-05-21 | 2021-09-07 | 同济大学 | 一种钢轨表面伤损细粒度图像分类与检测方法 |
CN113418987A (zh) * | 2021-06-17 | 2021-09-21 | 北京铁路电气化学校 | 一种运行状态下的钢轨在轨检测方法及其检测设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114972394A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114972394B (zh) | 一种钢轨超声探伤与外部廓形以及表面多源数据融合的钢轨状态检测方法 | |
CN108759670B (zh) | 一种基于非接触式检测技术的接触线磨耗动态检测装置 | |
CN110390669A (zh) | 一种桥梁图像中裂缝的检测方法 | |
CN110211101A (zh) | 一种铁轨表面缺陷快速检测系统及方法 | |
CN108177660B (zh) | 具有激光图像处理步骤的钢轨磨耗检测方法 | |
CN108662983B (zh) | 钢轨磨耗检测计算相关度系数的方法 | |
CN107576666A (zh) | 一种双光谱成像铁轨及扣件异常检测方法 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN104504388A (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN107462223A (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
CN111598846B (zh) | 一种基于yolo的隧道内铁轨缺陷检测方法 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN116757990A (zh) | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 | |
CN113091639A (zh) | 盾构隧道管片错台提取方法 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN108109146A (zh) | 一种路面标志线缺陷检测装置 | |
CN115239632A (zh) | 一种融合巡检图像和超声波图像的钢轨表面伤损检测方法 | |
KR101026351B1 (ko) | 웨이브렛을 이용한 철도레일 마모도 측정 시스템 및 그 방법 | |
CN208765667U (zh) | 一种基于激光测距的城轨车辆受电弓滑板磨耗检测系统 | |
CN110688903B (zh) | 一种基于列车aeb系统摄像头数据的障碍物提取方法 | |
CN108759671B (zh) | 一种接触线磨耗动态检测方法 | |
CN108830822B (zh) | 基于改进Canny算子的受电弓碳滑板磨耗识别方法 | |
CN102069821B (zh) | 非接触式钢轨中垂面的测量方法 | |
CN110686622A (zh) | 一种列车车轮冲角的测量方法 | |
CN113554618B (zh) | 一种基于红外图像的铁路轨道状态监测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |